论文部分内容阅读
针对大型数据库的精细化车型分类应用较少、预处理复杂,且识别率不高等情况,提出基于改进卷积神经网络的机动车图像分类算法。算法构建了较之Googlenet V3层级更为简单的神经网络模型;基于该CNN网络,增加了基于样本质心距离的正样本保留方案,在缓解样本不均衡的同时,通过巩固类内边界增强了数据可分性;在网络的全连接层采用了基于神经元重要性分值的dropout方法,在去除无效神经元的同时,提升网络的识别效果。实验结果表明,该算法能更为有效地提取图像特征,较之Googlenet V3算法收敛快,训练耗时短